Futbol Lig Müsabakası Algoritması: Lineer Olmayan Denklemlerin Çözümü için Yeni Bir Metot
|
|
- Gizem Aldemir
- 7 yıl önce
- İzleme sayısı:
Transkript
1 Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi Afyon Kocatepe University Journal of Science and Engineering AKÜ FEMÜBİD 16 (2016) Özel Sayı ( ) AKU J. Sci.Eng.16 (2016) Özel Sayı ( ) Futbol Lig Müsabakası Algoritması: Lineer Olmayan Denklemlerin Çözümü için Yeni Bir Metot Gökhan Demir 1, Erkan Tanyıldızı 2 1,2 Fırat Üniversitesi, Teknoloji Fakültesi, Yazılım Mühendisliği, Elazığ. e-posta:gokhan.demir.dg@gmail.com, etanyildizi@gmail.com Anahtar kelimeler Optimizasyon; Metasezgisel Algoritmalar; Lineer Olmayan Denklemler; Futbol Lig Müsabakası Algoritması Özet Bu makale, lineer olmayan denklemlerin çözümü için yeni bir optimizasyon tekniği olan Futbol Lig Müsabakası (FLM) Algoritması nı tanıtmaktadır. Spor tabanlı olan bu algoritma, futbol liglerinden ilham almıştır. FLM, takımlar arasındaki müsabakalara ve oyuncular arasındaki mücadelelere dayanır. Önerilen yöntem, diğer metasezgisel algoritmalarda olduğu gibi bir başlangıç popülasyonu ile başlar. Oyuncular olarak adlandırılan popülasyon bireyleri Sabit Oyuncular ve Yedek Oyuncular olmak üzere iki tiptir. Takımlar arasındaki müsabakalar; lig tablosunda üst sıraları ele geçirmeyi amaçlarken, oyuncular arasındaki mücadeleler ise bireysel iyileşmeler ile global optimuma doğru popülasyon bireylerinin yakınsamasını sağlar. FLM nin; lineer olmayan denklemlerin çözümünde, diğer metasezgisel yöntemler ile karşılaştırıldığında optimum çözüme daha yakın ve hızlı sonuçlar verdiği görülmektedir. Soccer League Competition Algorithm: A New Method for Solving of Nonlinear Equations Keywords Optimization; Meta heuristic Algorithms; Nonlinear Equations; Soccer League Competition Algorithm Abstract This paper introduces a novel optimization method named as Soccer League Competition (SLC) Algorithm for the solution of nonlinear equations. This algorithm is sports based and inspired from soccer leagues. SLC is based on the competitions among teams and players. It starts these arch with a population of candidate solution individuals as done in other meta heuristics algorithms. Population individuals are called players and they are classified as Fixed Players and Substitutes. The competition among teams aims to take the possession of the top ranked positions in the league table and the competitions among the player s results in the convergence of population individuals towards the global optimum. SLC has given more accurate and more rapid results for nonlinear equations systems when compared with other meta heuristics algorithms. Afyon Kocatepe Üniversitesi 1. Giriş Belirli sınırlamaları sağlayacak şekilde, bilinmeyen parametre değerlerinin bulunmasını içeren herhangi bir problem optimizasyon problemi olarak adlandırılabilir. Optimizasyon işleminde ilk adım olarak karar parametreleri veya karar değişkenleri ya da tasarım parametreleri olarak da adlandırılan parametreler setinin tanımlanması gerekir. Sonra bu parametrelere bağlı olarak bir maliyet fonksiyonu veya en büyük yapılacak bir kâr fonksiyonu ve problemi ile ilgili sınırlama fonksiyonları tanımlanmalıdır (Karaboğa, 2011).Lineer olmayan denklemlerin çözümü; mekaniksel hesaplama, hava tahmini, su dağıtım sistemleri, uçak kontrol, jeolojik petrol araştırmaları ve elektronik devre tasarımı gibi çeşitli mühendislik uygulamalarının ana sorunlarından biridir (Huang and Ma, 2000;Nocedal, 1999;Krzyworzcka, 1999; Ortega, 1970).Newton tipi yöntemlerin yakınsama ve performans özellikleri problemin çözümünde kullanılan x 0 başlangıç tahminine karşı oldukça duyarlıdır. Çözümde, başlangıç tahmini yanlış ise metot başarısız olur. Bununla birlikte çoğu lineer olmayan denklem için iyi bir başlangıç tahmini seçmek zordur (Frontini and Sormani, 2004).Lineer olmayan denklemlerin çözümü için bazı popülasyon tabanlı sezgisel yöntemler sunulmuştur. Bu yöntemlerden biri olan Parçacık Sürü Optimizasyonu (PSO) tekniği, ilk olarak kuş ve balık
2 sürülerinin hareketlerinden esinlenerek doğrusal olmayan nümerik problemlere optimal sonuçlar bulmak için sosyolog-psikolog Kennedy ve elektrik mühendisi Eberhart (1995) tarafından ortaya atılmıştır. Yapay bağışıklık sistemleri, teorik bağışıklık ve karmaşık problem alanlarına uygulanan gözlemlenmiş bağışık fonksiyonlar, ilkeler ve modellerden esinlenmiş hesapsal sistemlerdir (De Castro and Timmis, 2002). Elektromanyetizma algoritması, Birbil ve Fang (2003) tarafından doğrusal olmayan fonksiyonların sınırlayıcısız global optimizasyonu için elektromanyetizma teorisindeki itme çekme mekanizmasından esinlenerek geliştirilmiştir. Sürü zekâsı alanının bir alt dalı olarak bilinen karınca koloni algoritması, karınca kolonilerinin yiyecek toplamasını esas alan, Dorigo ve ark. (1996) tarafından önerilen bir algoritmadır. Genetik Algoritma, doğal seçim ilkelerine dayanan ve temelleri Holland (1975) tarafından atılan arama ve optimizasyon yöntemidir. Arı koloni algoritmaları arıların yiyecek bulma vb. davranışlarından esinlenerek geliştirilmiş sürü zekâsı alanının en alt dallarındandır. Bu algoritmalar da arıların koloni halindeki davranışlarından esinlenerek geliştirilmiştir (Alataş, 2007). Bu makale, lineer olmayan denklemlerin çözümü için Futbol Lig Müsabakası (FLM) olarak adlandırılan yeni bir spor tabanlı meta sezgisel algoritma sunmaktadır. 2. Futbol Lig Müsabakaları Futbol ligi bir sezon boyunca takımların diğerleriyle mücadelelerini içerir. Bu ortamda güçlü takımların amacı lig tablosunda üst sıraları ele geçirmek iken zayıf takımların amacı ise ikinci lige düşmemek amacıyla birinci ligde kalmaktır. Sezon boyunca her takım biri kendi stadyumunda, diğeri rakip takımın stadyumunda olmak üzere iki kez oynar. Takımlar galibiyet için 3 puan alırken, mağlubiyet için puan almazlar. Takımlar puanlarına göre haftalık olarak sıralanırlar. Her sezon sonunda en çok puan alan takım şampiyonluk ile taçlandırılır. Maçların sayısı her sezondaki takımların sayısına bağlıdır. Örneğin; bir ligi oluşturan M takımlarının toplam maç sayısı Denklem 1 ile hesaplanır: (1) Ligde her takım M - 1 bağımsız maça katılır ve her sezon sonunda toplam müsabaka yapılmış olur.lig tablosunun altındaki iki takım ikinci futbol ligine küme düşer. Buna karşılık; ikinci ligdeki ilk iki takım, küme düşen takımların yerini alır. Genel olarak promosyon noktaları gelecekte yıldız olma potansiyeli olan yeni oyuncular almaktır. Her takım 11 Sabit Oyuncu (SO) ve birkaç Yedek Oyuncudan (Y) oluşur. Bir takımın gücü oyuncularının gücüne bağlıdır. Ayrıca güçlü takımların maçları kazanma şansı daha yüksektir. Bununla birlikte oyun bitiminden önce kazananı kesin olarak tahmin etmek mümkün değildir. Takımlar arasındaki lig müsabakalarının yanı sıra her takımda iç mücadeleler de vardır. Oyuncular performanslarını geliştirerek antrenörün dikkatini çekmek için diğer oyuncular ile yarışırlar. Bu iç mücadele, takım gücünün ve kalitesinin artmasını sağlar. Her takımda Yıldız Oyuncu (YO) olarak adlandırılan bir kilit oyuncu vardır. YO takımda diğer oyuncular arasında en iyi performansa sahiptir. Ayrıca her ligde Süper Yıldız Oyuncu (SYO) olarak adlandırılan benzersiz bir oyuncu vardır. SYO ligdeki en güçlü oyuncudur. Her maç sonrası, maçta kazanan ve kaybeden takımdaki oyuncular gelecek performanslarının geliştirilmesi için farklı stratejiler benimserler. Takım maçı kazandığında, Sabit Oyuncular Taklit Operatörü ile takımın YO sunu ve ligin SYO sunu taklit etmeyi denerler. Sabit Oyuncular, YO ya yükselmek veya daha iyimser olacak olursak ligdeki SYO nun yerini almak için bir deneyim amaçlar. Ancak esas kışkırtma, kazanan takımın Yedeklerinin Sabit Oyuncu olmayı amaçlamasıdır. Bu amaç için Yedekler, takımdaki Sabit Oyuncuların ortalama güçlerine yaklaşık olarak eşit performansa sahip olmayı denerler. Bu eğilim algoritmada Kışkırtma Operatörü olarak açıklanmaktadır. Başka bir deyişle yüksek kışkırtma Yedeklere gelecekte Sabit Oyuncu olmak için daha fazla şans verir. Diğer taraftan, kaybeden takımlar gelecek maçlarda daha iyi AKÜ FEMÜBİD 16 (2016) 149
3 sonuçlara ulaşmak için performanslarını geliştirme yolları ararlar. Bu nedenle bu takımdaki Sabit Oyuncular oyun stillerini revize etmek zorundadır. Mutasyon Operatörü ile gerçekleştirilen bu revizyon onların eski alışkanlıklarından bazı değişiklikler içermelidir. Ek olarak, antrenör gelecekteki başarısızlıkları önlemek amacıyla Yedeklerin yeni kombinasyonlarını Yedek Operatörü ile dener. Yukarıda belirtilen stratejiler maç sonrası takımların genel performanslarını geliştirir. Bu nedenle sezon sonunda tüm takımlar çok daha iyi oynarken takımların güçleri kademeli olarak artış gösterir. Oyuncular belirgin gelişimleri ile takımlarının kazanma şansını yükseltirler. Her ligde ilk sıradaki takımlar daha iyi finansal duruma sahiptir. Güçlü takımlar, diğer takımların güçlü oyuncularını alabilirler. Bu durum, gelecek sezonlar için onların güçlerini artırır. 2.1.Futbol Lig Müsabakası (FLM) Algoritması Başarıya ulaşmak için bir futbol ligindeki takımlar arasındaki müsabakalar ile YO veya SYO olmak için oyuncular arasındaki mücadeleler optimizasyon problemlerinin çözümü için simüle edilebilir. Futbol liginde her oyuncunun en iyi olmayı arzulamasına benzer şekilde optimizasyon problemlerinde her çözüm vektörü global optimum noktayı arar. Bu nedenle her takımdaki YO, lokal çözüm vektörü ve ligdeki SYO, global çözüm vektörü olarak kabul edilebilir (Moosavian ve Roodsari, 2014). Her takım çözüm vektörü olarak tanımlanan 11 Sabit Oyuncudan ve yedek çözüm vektörü olarak tanımlanan birkaç Yedek Oyuncudan oluşur. Her oyuncu için oyuncunun gücüne (OG) karşılık gelen bir amaç fonksiyon hesaplanır. Bir minimizasyon probleminde amaç fonksiyonun (maliyet fonksiyonu) daha küçük değerleri, oyuncuların güçlü olduğunu gösterir. Bir takımın toplam gücü, Sabit ve Yedek Oyuncularının ortalama güç değeri olarak tanımlanır. Takım gücü (TG) Denklem 2 ile hesaplanmaktadır. Denklem 3 maliyet ile oyuncu gücü arasındaki ilişkiyi göstermektedir. (2) noyuncu, i. takımın toplam oyuncu sayısıdır. OG(i,j), i. takımın j. oyuncusunun gücüdür. (3) Her maçta daha güçlü takım daha fazla kazanma şansına sahiptir. Bir maçta her takımın kazanma olasılığı Denklem 4 ve 5 te verilmiştir: (5) (4) Pv, galibiyet olasılığına dayanır. Pv(k) ve Pv(i) toplamının 1 e eşit olduğuna dikkat edilmelidir. Her maçtan sonra kazanan, kaybeden takımlar ve Sabit, Yedek Oyuncular deneyim değişimi gerçekleştirir. Bu değişiklikler takımların ve oyuncuların performanslarını geliştirmek amacıyla aşağıdaki operatörler ile gerçekleştirilir: a) Taklit Operatörü b) Kışkırtma Operatörü c) Mutasyon Operatörü d) Yedek Operatörü Taklit Operatörü Kazanan takımın Sabit Oyuncuları (SO) gelecek performanslarını iyileştirmek için kendi takımlarındaki Yıldız Oyuncuyu (YO) ve ligdeki Süper Yıldız Oyuncunun (SYO) her ikisini de taklit eder. Benzer şekilde kazanan takımdaki Sabit Oyunculara ait çözüm vektörleri kendi takımlarının en iyi çözümüne ve ligin en iyi çözümüne doğru hareket eder. FLM Algoritması nda taklit, Denklem 6 ve Denklem 7 ile gerçekleştirilir. Burada (6) (7) ( ) ( ) ve uniform dağılıma sahip rastgele AKÜ FEMÜBİD 16 (2016) 150
4 sayılardır.so(i, j), i. takımın j. Sabit Oyuncusunu temsil eder ve YO(i), i. takımın Yıldız Oyuncusudur. Ayrıca olması önerilir. İlk olarak, kazanan takımın Sabit Oyuncularının (SO) çözüm vektörü, SO ve SYO nun Denklem 6 da elde edilen vektör yönüne doğru büyük bir hareket deneyimler. Eğer yeni oluşturulan çözüm vektörünün bu yeni konumu eskisinden daha iyi ise onun yerini alır. Aksi halde çözüm vektörü sonuç vektörüne Denklem 7 ile orta ölçekli hareket eder. Eğer bu çözüm eskisinden daha iyi ise eski vektör ile yer değiştirirler. Açıklanan hareketlerin hiçbiri daha iyi çözüm vermez ise oyuncu kendi pozisyonunu korur, değişiklik olmaz Kışkırtma Operatörü Kazanan takımın Yedekleri (Y), Sabit Oyuncu olmak için takımdaki Sabit Oyuncuların ortalama performans değerine eşit bir performans göstermek zorundadırlar. Bu süreç FLM Algoritması nda Kışkırtma Operatörü olarak tanımlanmaktadır: ( )(9) ( )(8) X 1 U(0.9, 1) ve X 2 U(0.4, 0.6),uniform dağılıma sahip rastgele sayılardır. C(i), i. takımın Sabit Oyuncularının çözüm vektörlerinin ortalama değeridir. Y(i,j), i. takımın j. yedeğidir. İlk olarak, kazanan takımda zayıf Yedek Oyuncunun çözüm vektörü Sabit Oyuncuların ağırlık merkezine Denklem 8 ile ileri doğru hareket dener. Eğer yeni oluşturulan çözüm vektörünün yeni pozisyonu eskisinden daha iyi ise eski vektör ile değiştirilir. Aksi halde belirtilen oyuncu ağırlık merkezinden geriye doğru Denklem 9 ile hareket edecektir. Eğer bu çözüm zayıf çözümden daha iyi ise bu vektör eskisi ile değiştirilir. Ele alınan hareketlerin hiçbiri zayıf çözümün iyileştirilmesi için daha iyi çözüm vermez ise, yeni bir vektör rastgele oluşturulur ve eskisi ile değiştirilir. Genel bir görünümde, Kışkırtma Operatörü kazanan takımın zayıf Yedeklerine etki eder. Eğer Yedeklerin performanslarında belirgin bir ilerleme varsa takımda tutulurlar. Aksi halde onlar takımdan ihraç edilirken, rastgele oluşturulan yeni oyuncular (yeni çözüm vektörleri) gelecek oyunlar için takıma entegre edilir Mutasyon Operatörü Bir maçta kaybeden takımın Sabit Oyuncularının güçleri, gelecek maçlardaki olası başarısızlıkları önlemek amacıyla revize edilmelidir. Bu operasyonu gerçekleştirmek için bazı oyuncuların konumları rastgele değiştirilir. Bu mekanizma, Genetik Algoritma daki çözümlerde çeşitlilik oluşturmak için kullanılan mutasyon sürecine benzer Yedek Operatörü Antrenörler, genelde gelecek oyunlar için Yedeklerin yeni kombinasyonlarını dikkate alırlar. Benzer şekilde bu algoritmada antrenörün etkisini yansıtmak için rastgele tabanlı yaklaşım uygulanır. Bunu yapmak için bir çift yeni Yedek vektörü test edilir. Eğer uygun cevap elde edilirse bu etkili çift takıma entegre edilir. Bu süreç, FLM Algoritması nda Denklem 10 daki ve 11 deki Yedek Operatörü ile gerçekleştirilir: (10) (11),uniform dağılıma sahip rastgele bir vektördür. Yeni incelenen çiftlerin sayısının takım Yedeklerinin sayısına eşit olduğu görülebilir. Genel bir görünümde, açıklanan 4 operatör algoritmada aşağıdaki etkileri yaratır: a) Taklit Operatörü, algoritmanın arama kapasitesini artırır. b) Kışkırtma Operatörü, kompleks optimizasyon problemleri için yüksek hassasiyet sağlar. c) Mutasyon ve Yedek Operatörleri, AKÜ FEMÜBİD 16 (2016) 151
5 düzlüklerden ve lokal minimumlardan kaçış için önerilen algoritmaya yardım eder. Her oyundan sonra açıklanan 4 operatör oyuncular üzerine etki eder ve takımların güçleri yeni çözümlere göre güncellenir. Güçlü takımların gelecek maçlarda başarılı olması daha muhtemeldir. Bu süreç sezon sonuna kadar devam eder ve ligin SYO suoptimizasyon probleminin global optimumunu (en iyi çözümü) verir. Her sezon sonrası oyuncular güncellenen değerleri dikkate alınarak yeniden düzenlenirler. Yeni lig başlamadan önce en iyi oyuncular en iyi takımlara, ortalama düzeydeki oyuncular ortalama düzeydeki takımlara ve güçsüz oyuncular da lig tablosunun altındaki takımlara transfer edilir FLM Algoritması nın Adımları ve Akış Diyagramı Adım 1. Problemin Tanımlanması ve Algoritma Parametrelerinin Belirlenmesi Bu adımda, optimizasyon problemi Denklem 12 de verildiği gibi tanımlanmıştır: (12) F(x) amaç fonksiyonudur. x, tüm x i karar değişkenler kümesidir. n karar değişkenlerinin sayısıdır ve X i her bir karar değişkeninin aralık kümesidir. Daha sonra sezon sayısı (nsezon), ligdeki takımların sayısı (ntakım), Sabit Oyuncuların sayısı (nsabitoyuncu) ve Yedeklerin sayısı (nyedek) belirlenmektedir. Adım 2. Örneklerin Oluşturulması Bir ligdeki toplam oyuncuların sayısı Denklem 13 ile hesaplanır. noyuncu = ntakım (nsabitoyuncu + nyedek) (13) Çoğu problem için şu şekilde önerilmektedir: 3 ntakım 5, nsabitoyuncu = 11, nyedek = 11 sayısı kadar oluşturulur ve her vektör belirtilen oyuncu için ayrılır. Dolayısıyla TAKIM matrisi Denklem 14 teki gibi rastgele oluşturulur. [ ] (14) [ ] Daha sonra her çözüm vektörüne ait amaç fonksiyonu hesaplanır. Adım 3. Takımların Değerlendirilmesi Bu adımda tüm oyuncular hesaplanan güçlerine göre düzenlenir. Her takımın gücü oyuncularının ortalama gücüne eşittir. Adım 4. Ligin Başlatılması Bu adımda ligdeki tüm olası çiftler arasındaki karşılaşmalar başlatılır, her maçın kazananı ve kaybedeni belirlenir. Taklit operatörü, kazanan takımdaki Sabit Oyuncular üzerine etki eder.kışkırtma Operatörü, kazanan takımın Yedekleri üzerine etki eder.mutasyon Operatörü, kaybeden takımın 11 Sabit Oyuncusundan 3 ü üzerine etki eder.yedek Operatörü kaybeden takımda belirlenen oyuncular üzerine etki eder. Daha sonra oyuncuların güçleri ve takımların güçleri güncellenir.bu süreç sezon sonuna kadar devam eder. Adım 5. Küme Düşme ve Yükselme Bu adımda en kötü takım birinci düzey ligden ihraç edilir ve karşılığında yeni takım lige dahil edilir. Dikkat edilmelidir ki bu adım sadece kompleks optimizasyon problemleri için uygulanmaktadır. Bu adımda rastgele çözüm vektörleri ligdeki oyuncu AKÜ FEMÜBİD 16 (2016) 152
6 Adım 6. Durdurma Kriterinin Kontrol Edilmesi Bu adımda; Adım 3, 4 ve 5 sona erdirme kriterine (nsezon) kadar tekrar edilir. Şekil 1, optimizasyon problemlerinin çözümü için FLM Algoritması nın akış diyagramını göstermektedir. Şekil 1.FLM Algoritması nın akış diyagramı. 3. Lig Şampiyonası Algoritması (LŞA) LŞA birkaç haftalık yapay bir ligde spor takımlarının rekabetini taklit eder. Haftalık lig programına bağlı olarak çiftler halindeki takımlar arasındaki maçların sonuçları kazanan veya kaybeden olarak belirlenir. Her takım tarafından geliştirilmesi amaçlanan takım oluşturma ile oyun gücünün artırılması hedeflenmiştir. Şampiyona sezon sonuna kadar devam etmekte ve takımlar ilerleyen haftadaki maçı kazanabilmek için takım oluşumlarını ve oyun stillerini önceki hafta maçlarını izleyerek, ihtiyaç duydukları değişiklikleri gerçekleştirirler. Bir sonraki haftada mücadele için yeni bir çözüm oluşturmak amacıyla ihtiyaç duyulan değişiklikleri; her takım yapay bir maç analizini kullanarak, oyun sitilinde önceki hafta maçlarını izleyerek kendi ihtiyaç duyduğu değişiklikleri gerçekleştirir. Şampiyona sezon bitinceye kadar devam eder. Oyuncuların sezon sonu transferlerinin modellenmesine dayalı eklenebilir olan transfer modülü, algoritmanın global yakınsamasını arttırmak için geliştirilmiştir. LŞA bireylerin karşılaştırılmasına odaklanıp, içeriye ve dışarıya doğru arama fikrini etkileyerek kazanacak veya kaybedecek bireyleri belirler (Bingöl ve Alataş, 2015). 4. Parçacık Sürü Optimizasyonu (PSO) PSO nun temelinin sosyolojik esinlemeli olduğu söylenebilir. Çünkü algoritmanın orijinal fikri, kuşların sürü halinde toplanmasıyla ilişkilendirilmiş sosyolojik davranışlarına dayanır. Kuş, balık ve hayvan sürülerinin bir bilgi paylaşma yaklaşımı uygulayarak çevrelerine adapte olabilme, zengin yiyecek kaynağı bulabilme ve avcılardan kaçabilme yeteneklerinden esinlenmiştir. Kuş toplulukları gerçek yiyecek kaynağını bilmemelerine rağmen, yiyecek kaynağından ne AKÜ FEMÜBİD 16 (2016) 153
7 kadar uzakta olduklarını öğrenmeye çalışırlar. Öğrenmek için izlenen yöntem yiyecek kaynağına en yakın olan kuşu izlemektir. PSO da her bir kuş parçacık olarak, kuş topluluğu da sürü olarak temsil edilir. Parçacık hareket ettiğinde, kendi koordinatlarının uygunluk değeri yani yiyeceğe ne kadar uzaklıkta olduğu hesaplanır. Bir parçacık, koordinatlarını, hızını yani çözüm uzayındaki her boyutta ne kadar hızla ilerlediği bilgisini, şimdiye kadar elde ettiği en iyi uygunluk değerini ve bu değeri elde ettiği koordinatları hatırlamalıdır. Çözüm uzayında her boyuttaki hızının ve yönünün her seferinde nasıl değişeceği, komşularının en iyi koordinatları ve kendi kişisel en iyi koordinatlarının birleşiminden elde edilecektir (Alataş, 2007). 5. Bulgular Matematiksel fonksiyonlara bağlı iyi tanımlanmış kalite testi fonksiyonları, optimizasyon yöntemlerinin performanslarını ölçmek ve test etmek için kullanılabilir. FLM ile LŞA takım sayısı 4, sezon sayısı 50 ve PSO popülasyon sayısı 44, iterasyon sayısı 50 olacak şekilde iki boyutlu problemlerde global minimuma yakınsamaya çalışarak, Tablo 1 de verilen kalite testi fonksiyonlarından Rastrigin, Sphere, Ackley ve Rosenbrock fonksiyonlarına uygulanmıştır. Elde edilen sonuçlar ile FLM, LŞA ve PSO nun performansları Tablo 2 de karşılaştırılmıştır. 5.1.Rastrigin Fonksiyonu Rastrigin fonksiyonu içerisinde birden fazla lokal minimumu içeren ve bu yüzden de optimizasyon tekniklerinin performansını ölçmek için kullanılabilecek ideal bir test fonksiyonu ve problemdir. Fonksiyonun global minimumu iki boyutlu uzay için *0, 0+ noktasıdır ve bu noktada f(x) = 0 dır. Üç boyutlu uzay için ise *0, 0, 0] noktasıdır. Diğer bir deyişle boyut ne olursa olsun merkez nokta global minimumdur (Int. Kyn. 1).Rastrigin fonksiyonu Denklem 15 te verilmiştir. 5.2.Sphere Fonksiyonu Testlerde kullanılan bir diğer fonksiyon Sphere fonksiyonudur. Kareler toplamını maksimize etmeyi hedefleyen bu fonksiyon algoritmaların performanslarını kıyaslamak için çok kullanılan fonksiyonlardan bir tanesidir. Sphere fonksiyonu Denklem 16 da verilmiştir. ( )(16) 5.3.Ackley Fonksiyonu Ackley fonksiyonu derin lokal optimumları olan çok-modlu kalite testi fonksiyonlarından biridir. Fonksiyon, Denklem 17 de gösterilmiştir. ( ) ( * (17) 5.4 Rosenbrock Fonksiyonu Denklem 18 de verilen bu kalite testi fonksiyonu bazı değerleri arasında önemli etkileşimleri olan tek modlu bir fonksiyondur. Birçok dar tepecik içerdiğinden dolayı zor bir fonksiyon olarak düşünülmektedir. ( ) (18) Tablo1. Kalitetestifonksiyonları Fonksiyon Rastrigin Tanımı Değişken değer aralığı (15) Sphere AKÜ FEMÜBİD 16 (2016) 154
8 Ackley (, ( ( +) Birbil, S.I.,and Fang, S.C., An electro magnetismlike mechanism for global optimization. Journal of Global Optimization, 25(3), De Castro, L.N. and Timmis, J., Artificial immune systems: A new computational intelligence systems. Springer, 357. Rosenbrock Dorigo, M.,Maziezzo, V., Colorni, A., The ant system: Optimization by a colony of cooperating ants. IEEE Trans. On Systems, Man and Cybernetics Part B,26(1), Tablo 2. PSO, LŞA, FLM test sonuçları Fonksiyon PSO LŞA FLM Rastrigin e e e+00 Sphere e e e-21 Ackley e e e-05 Rosenbrock e e e Tartışma ve Sonuç Bu makalede, lineer olmayan denklemlerin çözümü için yeni bir metasezgisel algoritma olan Futbol Lig Müsabakası (FLM) Algoritması tanıtılmıştır. Algoritma, 4 operatör kullanarak global optimum sonuca yakınsamaya çalışır. Popülasyon bireyleri Sabit Oyuncular ve Yedek Oyuncular olmak üzere iki tiptir. Algoritma; kalite testi fonksiyonlarından Rastrigin, Sphere, Ackley ve Rosenbrock fonksiyonlarına uygulanmış ve metasezgisel algoritmalardan olan LŞA ve PSO ile kıyaslandığında optimum sonuca daha yakın ve hızlı sonuçlar verdiği gözlemlenmiştir. Sonuç olarak önerilen algoritma, karmaşık optimizasyon problemleri ve lineer olmayan denklemlerin çözümü için kullanılabilir. Kaynaklar Alataş, B., Kaotik haritalı parçacık sürü optimizasyonu algoritmaları geliştirme. Doktora Tezi, Fırat Üniversitesi Fen Bilimleri Enstitüsü, Elazığ, 140. Bingöl, H., Alataş, B., Meta sezgisel optimizasyon tekniklerine spor tabanlı yeni bir yaklaşım: Lig şampiyonası algoritması. Fırat Üniv. Fen Bilimleri Dergisi, 27(1), Frontini, M. and Sormani, E., Third-order methods from quadrature formulae for solving systems of nonlinear equations. Applied Mathematics and Computation, 149(3), Holland, J.H., Adaptation in natural and artificial systems. University of Michigan Press. Huang, D.G. and Ma, Y., Nonlinear numerical analysis. Wuhan University Press. Karaboğa, D., Yapay zekâ optimizasyon algoritmaları. ISBN: , Nobel Yayın Dağıtım, 1-5. Kennedy J. and Eberhart, R.C., 1995, Particles warm optimization. Proc. of IEEE International Conference on Neural Networks,4, Krzyworzcka, S., Extension of the lanczosand CGS methods to systems of nonlinear equations. Journal of Computational and Applied Mathematics, 69(1), Moosavian, N. and Roodsari, B.K., Soccer league competition algorithm, a new method for solving systems of nonlinear equations. Int. J. Intell. Sci., 4(1), Nocedal, S.J.J., Numerical optimization. Spring Science + Business Media Inc. Ortega, W.R.J., Iterative solution of nonlinear equation in several variable. AcademicPress. İnternet kaynakları 1- ( ) AKÜ FEMÜBİD 16 (2016) 155
9 AKÜ FEMÜBİD 16 (2016) 156
PARÇACIK SÜRÜ OPTİMİZASYONU BMÜ-579 METASEZGİSEL YÖNTEMLER YRD. DOÇ. DR. İLHAN AYDIN
PARÇACIK SÜRÜ OPTİMİZASYONU BMÜ-579 METASEZGİSEL YÖNTEMLER YRD. DOÇ. DR. İLHAN AYDIN 1995 yılında Dr.Eberhart ve Dr.Kennedy tarafından geliştirilmiş popülasyon temelli sezgisel bir optimizasyon tekniğidir.
DetaylıBBO Algoritmasının Optimizasyon Başarımının İncelenmesi Optimization Performance Investigation of BBO Algorithm
BBO Algoritmasının Optimizasyon Başarımının İncelenmesi Optimization Performance Investigation of BBO Algorithm Tufan İNAÇ 1, Cihan KARAKUZU 2 1 Bilgisayar Mühendisliği Anabilim Dalı Bilecik Şeyh Edebali
DetaylıFonksiyon Optimizasyonunda Genetik Algoritmalar
01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu
DetaylıMETASEZGİSEL YÖNTEMLER
METASEZGİSEL YÖNTEMLER Ara sınav - 30% Ödev (Haftalık) - 20% Final (Proje Sunumu) - 50% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn: Zaman çizelgeleme, en kısa yol bulunması,
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Genetik Algoritma (Genetic Algorithm) Doç.Dr. M. Ali Akcayol Genetik Algoritma 1970 li yıllarda John Holland tarafından geliştirilmiştir. 1989 yılında David E. Goldberg Genetik
DetaylıGenetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:
Genetik Algoritmalar Bölüm 1 Optimizasyon Yrd. Doç. Dr. Adem Tuncer E-posta: adem.tuncer@yalova.edu.tr Optimizasyon? Optimizasyon Nedir? Eldeki kısıtlı kaynakları en iyi biçimde kullanmak olarak tanımlanabilir.
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme
DetaylıKARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler. Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü
KARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü Karınca Koloni Algoritması Bilim adamları, böcek davranışlarını inceleyerek
DetaylıYZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR
YZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR Sınıflandırma Yöntemleri: Karar Ağaçları (Decision Trees) Örnek Tabanlı Yöntemler (Instance Based Methods): k en yakın komşu (k nearest
DetaylıKİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI
KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI Hatice YANIKOĞLU a, Ezgi ÖZKARA a, Mehmet YÜCEER a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği
DetaylıOPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI
OPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI A. Doğan 1 M. Alçı 2 Erciyes Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği Bölümü 1 ahmetdogan@erciyes.edu.tr 2 malci@erciyes.edu.tr
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri (nt lgorithm) Doç.Dr. M. li kcayol 996 yılında Marco Dorigo tarafından ortaya atılmıştır. Temel olarak karıncaların yiyecek madde ile yuvaları arasındaki en kısa yolu bulmalarından
DetaylıOPTİMİZASYON TEKNİKLERİ. Kısıtsız Optimizasyon
OPTİMİZASYON TEKNİKLERİ Kısıtsız Optimizasyon Giriş Klasik optimizasyon yöntemleri minimum veya maksimum değerlerini bulmak için türev gerektiren ve gerektirmeyen teknikler olarak bilinirler. Bu yöntemler
DetaylıGeliştirilmiş Yerçekimsel Arama Algoritması: MSS-GSA
Geliştirilmiş Yerçekimsel Arama Algoritması: MSS-GSA * 1 Nihan Kazak ve 2 Alpaslan Duysak * 1 Mühendislik Fakültesi, Bilgisayar Mühendisliği, Bilecik Şeyh Edebali Üniversitesi, Türkiye 2 Mühendislik Fakültesi,
DetaylıKaotik Tabanlı Diferansiyel (Farksal) Gelişim Algoritması
Kaotik Tabanlı Diferansiyel (Farksal) Gelişim Algoritması 1 Mehmet Eser * 1 Uğur Yüzgeç 1 Bilecik Şeyh Edebali Üniversitesi, Bilgisayar Mühendisliği Bölümü, 111, Gülümbe, Bilecik 1. Giriş Abstract Differential
DetaylıTek Değişkenli Optimizasyon OPTİMİZASYON. Gradient Tabanlı Yöntemler. Bisection (İkiye Bölme) Yöntemi
OPTİMİZASYON Gerçek hayatta, çok değişkenli optimizasyon problemleri karmaşıktır ve nadir olarak problem tek değişkenli olur. Bununla birlikte, tek değişkenli optimizasyon algoritmaları çok değişkenli
DetaylıDoğal Hesaplama (COMPE 564) Ders Detayları
Doğal Hesaplama (COMPE 564) Ders Detayları Ders Adı Doğal Hesaplama Ders Kodu COMPE 564 Dönemi Ders Uygulama Laboratuar Kredi AKTS Saati Saati Saati Güz 3 0 0 3 7.5 Ön Koşul Ders(ler)i Öğretim üyesinin
DetaylıGENETİK ALGORİTMA ÖZNUR CENGİZ HİLAL KOCA
GENETİK ALGORİTMA ÖZNUR CENGİZ 201410306014 HİLAL KOCA 150306024 GENETİK ALGORİTMA Genetik Algoritma yaklaşımının ortaya çıkışı 1970 lerin başında olmuştur. 1975 te John Holland ın makine öğrenmesi üzerine
DetaylıDeniz ERSOY Elektrik Yük. Müh.
Deniz ERSOY Elektrik Yük. Müh. AMACIMIZ Yenilenebilir enerji kaynaklarının tesis edilmesi ve enerji üretimi pek çok araştırmaya konu olmuştur. Fosil yakıtların giderek artan maliyeti ve giderek tükeniyor
Detaylı2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics
2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics Özet: Bulanık bir denetleyici tasarlanırken karşılaşılan en önemli sıkıntı, bulanık giriş çıkış üyelik fonksiyonlarının
DetaylıGENETİK ALGORİTMALARA GİRİŞ
GENETİK ALGORİTMALARA GİRİŞ Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp 81620 Düzce
DetaylıDüzce Üniversitesi Bilim ve Teknoloji Dergisi
Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 4 (2016) 424-430 Düzce Üniversitesi Bilim ve Teknoloji Dergisi Araştırma Makalesi Tornalama İşlemlerinde Minimum Maliyet Optimizasyonu Yasin CANTAŞ a,*, Sezgin
DetaylıParçacık Sürü Optimizasyonunda Yeni Bir Birey Davranış Biçimi Önerisi
Parçacık Sürü Optimizasyonunda Yeni Bir Birey Davranış Biçimi Önerisi Ö. Tolga ALTINÖZ A. Egemen YILMAZ Endüstriyel Elektronik Bölümü, Bala Meslek Yüksekokulu, Hacettepe Üniversitesi, Ankara Elektronik
DetaylıRössler Tabanlı Kaotik Farksal Gelişim Algoritması
Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, Cilt:1, Sayı:, 1 ISSN: 1-33 (http://edergi.bilecik.edu.tr/index.php/fbd) Araştırma Makalesi/Research Article Rössler Tabanlı Kaotik Farksal Gelişim
DetaylıBaşlangıç Temel Programının Bilinmemesi Durumu
aşlangıç Temel Programının ilinmemesi Durumu İlgili kısıtlarda şartlar ( ) ise bunlara gevşek (slack) değişkenler eklenerek eşitliklere dönüştürülmektedir. Ancak sınırlayıcı şartlar ( ) veya ( = ) olduğu
DetaylıGeriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu
Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı Mehmet Ali Çavuşlu Özet Yapay sinir ağlarının eğitiminde genellikle geriye
DetaylıOptimizasyon Problemlerinin Çözümünde Sinüs Kosinüs Algoritması (SKA) nın Kullanılması
Fırat Üniv. Müh. Bil. Dergisi Science and Eng. J of Fırat Univ. 29(1), 227-238, 2017 29(1), 227-238, 2017 Optimizasyon Problemlerinin Çözümünde Sinüs Kosinüs Algoritması (SKA) nın Kullanılması Özet Gökhan
DetaylıGENETİK ALGORİTMALAR. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ
GENETİK ALGORİTMALAR Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ GENETİK ALGORİTMALAR Genetik algoritmalar, Darwin in doğal seçim ve evrim teorisi ilkelerine dayanan bir arama ve optimizasyon yöntemidir.
DetaylıDoç.Dr.Erkan ÜLKER, Selçuk Üniversitesi Mühendislik F, Bilgisayar Mühendisliği Bölümü
17.05.2014 Sayfa 1 Curve Fitting with RBS Functional Networks RBS fonksiyonel ağı ile eğri uygunluğu Andr es Iglesias, Akemi G alvez Department of Applied Mathematics and Computational Sciences, University
DetaylıMekatronik Mühendisliği Uygulamalarında Yapay Zekâ. Ders 1- Yapay Zekâya Giriş. Erhan AKDOĞAN, Ph.D.
Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ Ders 1- Yapay Zekâya Giriş Erhan AKDOĞAN, Ph.D. Yapay Zekâ nedir?! İnsanın düşünme ve karar verme yeteneğini bilgisayarlar aracılığı ile taklit etmeye
DetaylıGezgin Satıcı Probleminin Karınca Kolonisi ve Genetik Algoritmalarla Eniyilemesi ve Karşılaştırılması
Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi Suleyman Demirel University Journal of Natural andappliedscience 18(1), 8-13, 2014 Gezgin Satıcı Probleminin Karınca Kolonisi ve Genetik Algoritmalarla
DetaylıEMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms)
2017-2018 Güz Yarıyılı EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) 4 Genetik Algoritma Örnek Uygulamalar (Sırt Çantası Problemi, Sınav Programı Çizelgeleme) Yrd. Doç. Dr. İbrahim
DetaylıMelez elektromanyetizma benzeri-parçacık sürü optimizasyon algoritması
Dicle Üniversitesi Mühendislik Fakültesi mühendislik dergisi Cilt: 7, 3, 515-526 3-9 Eylül 2016 Melez elektromanyetizma benzeri-parçacık sürü optimizasyon algoritması Soner KIZILOLUK *,1, Ahmet Bedri ÖZER
DetaylıKarınca Koloni Algoritması 1
Yrd. Doç. Dr. İbrahim KÜÇÜKKOÇ Web: http://ikucukkoc.baun.edu.tr Karınca Koloni Algoritması 1 6 Ders Planı (Vize Sonrası) 11. Hafta (H7312): Sürü Zekası, Doğada Karıncalar, ACO Giriş 12. Hafta (H7312):
DetaylıKısıtsız Optimizasyon OPTİMİZASYON Kısıtsız Optimizasyon
OPTİMİZASYON Bu bölümde çok değişkenli kısıtsız optimizasyon problemlerinin çözüm yöntemleri incelenecektir. Bu bölümde anlatılacak yöntemler, kısıtlı optimizasyon problemlerini de çözebilmektedir. Bunun
DetaylıOkut. Yüksel YURTAY. İletişim : (264) Sayısal Analiz. Giriş.
Okut. Yüksel YURTAY İletişim : Sayısal Analiz yyurtay@sakarya.edu.tr www.cs.sakarya.edu.tr/yyurtay (264) 295 58 99 Giriş 1 Amaç : Mühendislik problemlerinin bilgisayar ortamında çözümünü mümkün kılacak
DetaylıGENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA
GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği
DetaylıHülya Özdağ (YTÜ Matematik Bölümü Ö.Ü.) Nilgün Aygör (YTÜ Matematik Bölümü Ö.Ü.) Aykut Parlak (YTÜ Matematik Mühendisliği)
Karınca Kolonisi Algoritmasının Zaman Çizelgelemesi Üzerine: Bir Modellemesi ve Uygulaması Hülya Özdağ (YTÜ Matematik Bölümü Ö.Ü.) Nilgün Aygör (YTÜ Matematik Bölümü Ö.Ü.) Aykut Parlak (YTÜ Matematik Mühendisliği)
DetaylıBİRİNCİ BASIMA ÖN SÖZ
BİRİNCİ BASIMA ÖN SÖZ Varlıkların kendilerinde cereyan eden olayları ve varlıklar arasındaki ilişkileri inceleyerek anlamak ve bunları bilgi formuna dökmek kimya, biyoloji, fizik ve astronomi gibi temel
DetaylıOYUN TEORİSİ. Özlem AYDIN. Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü
OYUN TEORİSİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü TANIM ''Oyun Teorisi'', iki yada daha fazla rakibi belirli kurallar altında birleştirerek karşılıklı olarak çelişen olasılıklar
DetaylıLineer Programlama. Doğrusal terimi, hem amaç hem de kısıtları temsil eden matematiksel fonksiyonların doğrusal olduğunu gösterir.
LİNEER PROGRAMLAMA Giriş Uygulamada karşılaşılan birçok optimizasyon problemi kısıtlar içerir. Yani optimizasyon probleminde amaç fonksiyonuna ilave olarak çözümü kısıtlayıcı ek denklemler mevcuttur. Bu
DetaylıModifiye Yapay Arı Koloni Algoritması ile Nümerik Fonksiyon Optimizasyonu Modified Artificial Bee Colony Algorithm for Numerical Function Optimization
Modifiye Yapay Arı Koloni Algoritması ile Nümerik Fonksiyon Optimizasyonu Modified Artificial Bee Colony Algorithm for Numerical Function Optimization Bilal Babayiğit 1, Resul Özdemir 2 1 Bilgisayar Mühendisliği
DetaylıGENETİK ALGORİTMALARA GİRİŞ (I)
Bu notlar D. Coley ve S. Haupt ın Kitaplarından Yararlanarak Hazırlanmıştır. GENETİK ALGORİTMALARA GİRİŞ (I) Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr
DetaylıOPTİMİZASYON TEKNİKLERİ-2. Hafta
GİRİŞ OPTİMİZASYON TEKNİKLERİ-2. Hafta Mühendislik açısından bir işin tasarlanıp, gerçekleştirilmesi yeterli değildir. İşin en iyi çözüm yöntemiyle en verimli bir şekilde yapılması bir anlam ifade eder.
DetaylıYAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ
YAPAY SİNİR AĞLARI Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ İÇERİK Sinir Hücreleri Yapay Sinir Ağları Yapısı Elemanları Çalışması Modelleri Yapılarına Göre Öğrenme Algoritmalarına Göre Avantaj ve
DetaylıSelf Organising Migrating Algorithm
OPTİMİZASYON TEKNİKLERİ Self Organising Migrating Algorithm Kendini Organize Eden Göç/Geçiş Algoritması MELİH HİLMİ ULUDAĞ Fırat Üniversitesi Teknoloji Fakültesi Yazılım Mühendisliği Bölümü İletişim: www.melihhilmiuludag.com
DetaylıKablosuz Sensör Ağlar ve Eniyileme. Tahir Emre KALAYCI. 21 Mart 2008
Kablosuz Sensör Ağlar ve Eniyileme Tahir Emre KALAYCI 21 Mart 2008 Gündem Genel Bilgi Alınan Dersler Üretilen Yayınlar Yapılması Planlanan Doktora Çalışması Kablosuz Sensör Ağlar Yapay Zeka Teknikleri
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Bu bölümde eşitsizlik kısıtlarına bağlı bir doğrusal olmayan kısıta sahip problemin belirlenen stasyoner noktaları
DetaylıProf.Dr. ÜNAL ERKAN MUMCUOĞLU. merkan@metu.edu.tr
Ders Bilgisi Ders Kodu 9060528 Ders Bölüm 1 Ders Başlığı BİLİŞİM SİSTEMLERİ İÇİN MATEMATİĞİN TEMELLERİ Ders Kredisi 3 ECTS 8.0 Katalog Tanımı Ön koşullar Ders saati Bu dersin amacı altyapısı teknik olmayan
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr Doğrusal Ara Değer Hesabı Lagrance Polinom İnterpolasyonu
DetaylıFonksiyon Minimizasyonunda Simulated Annealing Yöntemi
07-04-006 Ümit Akıncı Fonksiyon Minimizasyonunda Simulated Annealing Yöntemi İçindekiler Fonksiyon Minimizasyonu Metropolis Algoritması. Algoritma.......................................... Bir boyutlu
DetaylıKarınca Koloni Algoritması 2
Yrd. Doç. Dr. İbrahim KÜÇÜKKOÇ Web: http://ikucukkoc.baun.edu.tr Karınca Koloni Algoritması 2 7 TSP ve ACO Algoritması Gezgin satıcı problemi (travelling salesman problem-tsp) yöneylem araştırması ve teorik
DetaylıCBS ve Coğrafi Hesaplama
Yıldız Teknik Üniversitesi CBS ve Coğrafi Hesaplama 2. Bölüm Yrd. Doç. Dr. Alper ŞEN Harita Mühendisliği Bölümü Kartografya Anabilim Dalı web: http://www.yarbis.yildiz.edu.tr/alpersen/ E mail: alpersen@yildiz.edu.tr
DetaylıYapay Bağışık Sistemler ve Klonal Seçim. Bmü-579 Meta Sezgisel Yöntemler Yrd. Doç. Dr. İlhan AYDIN
Yapay Bağışık Sistemler ve Klonal Seçim Bmü-579 Meta Sezgisel Yöntemler Yrd. Doç. Dr. İlhan AYDIN Bağışık Sistemler Bağışıklık sistemi insan vücudunun hastalıklara karşı savunma mekanizmasını oluşturan
DetaylıEsnek Hesaplamaya Giriş
Esnek Hesaplamaya Giriş J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Esnek Hesaplama Nedir? Esnek hesaplamanın temelinde yatan
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr DOĞRUSAL OLMAYAN (NONLINEAR) DENKLEM SİSTEMLERİ Mühendisliğin
DetaylıYÖNEYLEM ARAŞTIRMASI - I
YÖNEYLEM ARAŞTIRMASI - I 1/19 İçerik Yöneylem Araştırmasının Dalları Kullanım Alanları Yöneylem Araştırmasında Bazı Yöntemler Doğrusal (Lineer) Programlama, Oyun Teorisi, Dinamik Programlama, Tam Sayılı
DetaylıDOĞRUSAL ANTEN DİZİLERİNDE OPTİMUM DEMET ŞEKİLLENDİRME AMACIYLA KARINCA KOLONİ OPTİMİZASYON ALGORİTMASININ KULLANILMASI ÖZET
Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi 22(1-2) 66-74 (26) http://fbe.erciyes.edu.tr/ ISSN 112-2354 DOĞRUSAL ANTEN DİZİLERİNDE OPTİMUM DEMET ŞEKİLLENDİRME AMACIYLA KARINCA KOLONİ OPTİMİZASYON
DetaylıTÜRKİYE KUPASI MÜSABAKALARI STATÜSÜ
TÜRKİYE KUPASI MÜSABAKALARI STATÜSÜ MADDE 1- KUPANIN OLUŞUMU ve KATILIM ŞARTLARI (1) TFF nin ulusal düzeyde oynattığı profesyonel lig müsabakalarından sonraki kupa müsabakalarının ismi Türkiye Kupası dır.
DetaylıYapay Zeka Yöntemlerinin Otomotiv Sektöründe Ürün Tasarımı Çalışmalarında Kullanılması
Yapay Zeka Yöntemlerinin Otomotiv Sektöründe Ürün Tasarımı Çalışmalarında Kullanılması Doç. Dr. Ali Rıza YILDIZ 04.11.2014 Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının
DetaylıVERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr
VERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma
DetaylıSEZGİSEL ALGORİTMA KULLANILARAK RÜZGÂR ÇİFTLİKLERİNİN GÜÇ SİSTEMİNE ETKİSİNİN İNCELENMESİ. Öğr. Gör. Mehmet Fatih Tefek Doç. Dr.
SEZGİSEL ALGORİTMA KULLANILARAK RÜZGÂR ÇİFTLİKLERİNİN GÜÇ SİSTEMİNE ETKİSİNİN İNCELENMESİ Öğr. Gör. Mehmet Fatih Tefek Doç. Dr. Harun Uğuz * Rüzgâr kaynaklı enerji üretimi, yenilenebilir enerji kaynakları
DetaylıVERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Kümeleme İşlemleri Kümeleme Tanımı Kümeleme Uygulamaları Kümeleme Yöntemleri Kümeleme (Clustering) Kümeleme birbirine
DetaylıEM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü. Dr. Özgür Kabak
EM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü Dr. Özgür Kabak Doğrusal olmayan programlama Tek değişkenli DOP ların çözümü Uç noktaların analizi Altın kesit Araması Çok değişkenli DOP ların
DetaylıTabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu
th International Adanced Technologies Symposium (IATS ), -8 May 20, Elazığ, Turkey Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu Ö. Soykasap e K. B. Sugözü Afyon
DetaylıSEZONU TÜRKİYE KUPASI MÜSABAKALARI STATÜSÜ
2017 2018 SEZONU TÜRKİYE KUPASI MÜSABAKALARI STATÜSÜ MADDE 1 KUPANIN OLUŞUMU ve KATILIM ŞARTLARI (1) TFF nin ulusal düzeyde düzenlediği kupanın ismi Türkiye Kupası dır. Türkiye Kupası nın isimlendirme
DetaylıGENETİK ALGORİTMALAR BÜŞRA GÜRACAR
GENETİK ALGORİTMALAR BÜŞRA GÜRACAR 201420404036 İÇERİK Genetik Algoritmanın, Amacı Kullanım Alanları Kavramları Uygulama Adımları Parametreler Genetik Algoritma Kodlama Türleri Genetik Algoritma Genetik
DetaylıSEZONU ZİRAAT TÜRKİYE KUPASI MÜSABAKALARI STATÜSÜ
2018 2019 SEZONU ZİRAAT TÜRKİYE KUPASI MÜSABAKALARI STATÜSÜ MADDE 1 KUPANIN OLUŞUMU ve KATILIM ŞARTLARI (1) TFF nin ulusal düzeyde düzenlediği kupanın ismi Ziraat Türkiye Kupası dır. Türkiye Kupası nın
Detaylı2013 2014 SEZONU ZİRAAT TÜRKİYE KUPASI MÜSABAKALARI STATÜSÜ
2013 2014 SEZONU ZİRAAT TÜRKİYE KUPASI MÜSABAKALARI STATÜSÜ MADDE 1 KUPANIN OLUŞUMU ve KATILIM ŞARTLARI (1) TFF nin ulusal düzeyde düzenlediği kupanın ismi Türkiye Kupası dır. Türkiye Kupası nın isimlendirme
DetaylıFutbol ve Maç Analizi
Futbol dünyada en çok tercih edilen spor dallarından biridir. Bilim ve teknoloji alanındaki gelişmeler, FİFA nın liglere kattığı yenilikler Transfer ücretlerinin yükselişi bu spor dalına olan ilgi ve Başarı
DetaylıYazılım Mühendisliği 1
Yazılım Mühendisliği 1 HEDEFLER Yazılım, program ve algoritma kavramları anlar. Yazılım ve donanım maliyetlerinin zamansal değişimlerini ve nedenleri hakkında yorum yapar. Yazılım mühendisliği ile Bilgisayar
DetaylıYAPAY SİNİR AĞI KULLANARAK DEPREM EĞİLİMİNİN KESTİRİMİ. Umut FIRAT
YAPAY SİNİR AĞI KULLANARAK DEPREM EĞİLİMİNİN KESTİRİMİ Umut FIRAT ufirat@yahoo.com Öz: Depremler yeryüzünde en çok yıkıma neden olan doğal afetlerdir. Bu durum, depremlerin önceden tahmin edilmesi fikrini
DetaylıMontaj Hatti Tasarımı ve Analizi - 5
Balıkesir Universitesi, Endustri Muhendisligi Bolumu 2017-2018 Bahar Yariyili Montaj Hatti Tasarımı ve Analizi - 5 Yrd. Doç. Dr. Ibrahim Kucukkoc http://ikucukkoc.baun.edu.tr 2 En Erken ve En Gec Istasyon
DetaylıSAYISAL ÇÖZÜMLEME. Yrd.Doç.Dr.Esra Tunç Görmüş. 1.Hafta
SAYISAL ÇÖZÜMLEME Yrd.Doç.Dr.Esra Tunç Görmüş 1.Hafta Sayısal çözümleme nümerik analiz nümerik çözümleme, approximate computation mühendislikte sayısal yöntemler Computational mathematics Numerical analysis
DetaylıBüyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data)
Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, The Elements of Statistical Learning: Data
DetaylıBu bölümde; Çok ölçütlü karar verme yöntemlerinden biri olan TOPSİS yöntemi anlatılacaktır.
ÇOK ÖLÇÜTLÜ KARAR VERME TOPSIS (Technique For Order Preference By Similarity To Ideal Solution) PROF. DR. İBRAHİM ÇİL 1 Bu bölümde; Çok ölçütlü karar verme yöntemlerinden biri olan TOPSİS yöntemi anlatılacaktır.
DetaylıGENETİK ALGORİTMALARA GİRİŞ (V)
GENETİK ALGORİTMALARA GİRİŞ (V) Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp 81620
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 1- GİRİŞ Doç. Dr. Ali Rıza YILDIZ 1 Mühendislikte, herhangi bir fiziksel sistemin matematiksel modellenmesi sonucu elde edilen karmaşık veya analitik çözülemeyen denklemlerin
DetaylıVERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Sınıflandırma yöntemleri Karar ağaçları ile sınıflandırma Entropi Kavramı ID3 Algoritması C4.5
DetaylıSAYISAL ÇÖZÜMLEME. Sayısal Çözümleme
SAYISAL ÇÖZÜMLEME 1 SAYISAL ÇÖZÜMLEME 4. Hafta DENKLEM ÇÖZÜMLERİ 2 İÇİNDEKİLER Denklem Çözümleri Doğrusal Olmayan Denklem Çözümleri Grafik Yöntemleri Kapalı Yöntemler İkiye Bölme (Bisection) Yöntemi Adım
DetaylıOptimizasyona Giriş (MFGE 412) Ders Detayları
Optimizasyona Giriş (MFGE 412) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Saati Laboratuar Kredi AKTS Saati Optimizasyona Giriş MFGE 412 Seçmeli 3 0 0 3 5 Ön Koşul Ders(ler)i MATH 275 Lineer Cebir
DetaylıAREL KOLEJİ Spor Salonu 7-8 Ekim 2017
AREL KOLEJİ Spor Salonu 7-8 Ekim 2017 ARELMEDSpor Festivali 2017 ile dünden bugüne Arel Eğitim Kurumlarından mezun olmuş tüm mezunlarımızı, ailelerini ve arkadaşlarını keyifli bir hafta sonu etkinliğine
DetaylıYapay Sinir Ağları. (Artificial Neural Networks) DOÇ. DR. ERSAN KABALCI
Yapay Sinir Ağları (Artificial Neural Networks) J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Yapay Sinir Ağları Tarihçe Biyolojik
Detaylıİleri Teknoloji Bilimleri Dergisi Journal of Advanced Technology Sciences ISSN:
İleri Teknoloji Bilimleri Dergisi, 5(1) 1 İleri Teknoloji Bilimleri Dergisi Journal of Advanced Technology Sciences ISSN:2147-3455 PARÇACIK SÜRÜ OPTİMİZASYONU İLE DOĞRUSAL OLMAYAN DENKLEM KÖKLERİNİN BULUNMASI
DetaylıELİF DEMİRCİ HAMAMCIOĞLU
ELİF DEMİRCİ HAMAMCIOĞLU YARDIMCI DOÇENT E-Posta Adresi : edemirci@ankara.edu.tr Telefon (İş) : 3122126720-1109 Telefon (Cep) : Faks : Adres : Ankara Üniversitesi Fen Fakültesi Matematik Bölümü B Blok
DetaylıTÜRKİYE TENİS FEDERASYONU DOĞU KULÜPLERİ ARASI TAKIM ŞAMPİYONASI TALİMATI
TÜRKİYE TENİS FEDERASYONU DOĞU KULÜPLERİ ARASI TAKIM ŞAMPİYONASI TALİMATI İlk Yayın Tarihi Değişiklik Tarihi Talimat Seri Numarası 18.08.2011 28.07.2013 Doğu_Takım_Şmp_1001 TTF Doğu Kulüpleri Arası Takım
DetaylıKIBRIS TÜRK FUTBOL FEDERASYONU SEZONU KIBRIS KUPASI MÜSABAKALARI STATÜSÜ
KIBRIS TÜRK FUTBOL FEDERASYONU 2013 2014 SEZONU KIBRIS KUPASI MÜSABAKALARI STATÜSÜ MADDE 1 KUPANIN OLUŞUMU ve KATILIM ŞARTLARI (1) Kıbrıs Türk Futbol Federasyonu (KTFF) nun ulusal düzeyde düzenlediği kupanın
DetaylıEÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 199-206
99 EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3- Yıl: 99-6 İKİNCİ MERTEBEDEN BİR DİFERENSİYEL DENKLEM SINIFI İÇİN BAŞLANGIÇ DEĞER PROBLEMİNİN DİFERENSİYEL DÖNÜŞÜM YÖNTEMİ İLE TAM ÇÖZÜMLERİ THE
DetaylıGÜNEŞ ENERJİSİ VE RÜZGÂR ENERJİSİ DÂHİL OLAN HİBRİT GÜÇ SİSTEMİNDE FARKLI ALGORİTMALAR İLE EKONOMİK YÜK DAĞITIMININ İNCELENMESİ
3. İzmir Rüzgâr Sempozyumu // 8-10 Ekim 2015 // İzmir 29 GÜNEŞ ENERJİSİ VE RÜZGÂR ENERJİSİ DÂHİL OLAN HİBRİT GÜÇ SİSTEMİNDE FARKLI ALGORİTMALAR İLE EKONOMİK YÜK DAĞITIMININ İNCELENMESİ Gül Kurt 1, Deniz
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Quadratic Programming Bir karesel programlama modeli aşağıdaki gibi tanımlanır. Amaç fonksiyonu: Maks.(veya Min.) z
DetaylıMakine Öğrenmesi 2. hafta
Makine Öğrenmesi 2. hafta Uzaklığa dayalı gruplandırma K-means kümeleme K-NN sınıflayıcı 1 Uzaklığa dayalı gruplandırma Makine öğrenmesinde amaç birbirine en çok benzeyen veri noktalarını aynı grup içerisinde
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
DetaylıERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI. I. GENEL BİLGİLER Ders Adı
BİM618 Evrimsel Algoritmalar Öğretim Üyesi Prof. Dr. Derviş Karaboğa Görüşme Saatleri 8.00-17.00 E posta: karaboga@erciyes.edu.tr http://abis.erciyes.edu.tr/sorgu.aspx?sorgu=236 Erciyes Üniversitesi, Mühendislik
DetaylıParçacık Sürü Optimizasyonu ile Küme Sayısının Belirlenmesi
Parçacık Sürü Optimizasyonu ile Küme Sayısının Belirlenmesi Yasin Ortakcı 1, Cevdet Göloğlu 2 1 Karabük Üniversitesi, Bilgisayar Mühendisliği Bölümü, Karabük 2 Karabük Üniversitesi, Makine Mühendisliği
DetaylıKüre Üzerinde 3 Boyutlu Gezgin Satıcı Problemi Çözümünde Parçacık Sürü Optimizasyonu Uygulaması
Akademik Bilişim 14 - XVI. Akademik Bilişim Konferansı Bildirileri Küre Üzerinde 3 Boyutlu Gezgin Satıcı Problemi Çözümünde Parçacık Sürü Optimizasyonu Uygulaması Hüseyin Eldem 1, Erkan Ülker 2 1 Karamanoğlu
DetaylıTedarik Zinciri Yönetiminde Yapay Zeka Teknikler
Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Doç.Dr.Mehmet Hakan Satman mhsatman@istanbul.edu.tr İstanbul Üniversitesi 2014.10.22 Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr Tedarik Zinciri
DetaylıKIBRIS TÜRK FUTBOL FEDERASYONU SEZONU U21 SÜPER LİG STATÜSÜ
KIBRIS TÜRK FUTBOL FEDERASYONU 2018-2019 SEZONU U21 SÜPER LİG STATÜSÜ Madde 1 - Amaç ve Kapsam: Bu statü; Süper Lig grubunda tescilli futbol takımlarında bulunan kulüplerin A takım kategorisinin bir alt-kategorisi
DetaylıMÜHENDİSLİK MEKANİĞİ (STATİK)
MÜHENDİSLİK MEKANİĞİ (STATİK) Prof. Dr. Metin OLGUN Ankara Üniversitesi Ziraat Fakültesi Tarımsal Yapılar ve Sulama Bölümü HAFTA KONU 1 Giriş, temel kavramlar, statiğin temel ilkeleri 2-3 Düzlem kuvvetler
Detaylı